大小白_VoxWorking-优快云博客

原创语音时频相关分析（一）从相关函数到相干函数

本文摘要：文章介绍了语音信号分析中常用的时频相关指标，包括自相关函数、自功率谱、互相关函数、互功率谱和幅值平方相干函数。通过一个类语音信号的实验，作者展示了这些指标的区别与联系：自相关函数反映信号自身的相似性，自功率谱是其频域版本；互相关函数测量两个信号间的延迟相似性，互功率谱则包含幅值和相位信息；相干函数是归一化的频域相关性指标。文章还解释了这些指标在语音处理中的应用价值，特别指出互谱变化不一定导致相干函数变化。最后提供了MATLAB实现代码，为读者理解语音信号结构分析提供了实用参考。

2026-08-05 08:34:10 663

原创车载声学音频技术调研及解读 | 小米澎程 SkyNomad 的声学与语音技术

本文解析了小米澎程车载声学音频技术的三大核心方向：听音音效方面配备25扬声器7.1.4声道系统，支持多场景智能调音；语音交互采用动态音区识别技术，实现车内5区12麦克风阵列+车外6麦克风的精准拾音；NVH控制通过被动降噪、噪声源优化和主动降噪三重方案提升静谧性。文章指出技术亮点包括钛膜高音单元、头枕扬声器私密播放、增程器噪声＜1dB控制等，同时提出座椅变动对音效影响、沉浸式音频支持等7项待验证问题，展现了智能座舱声学系统多维度融合的发展趋势。

2026-08-03 08:30:00 513

原创语音时频相关分析（二）短时相关性、周期相关和长时相关

本文深入探讨了语音信号分析中的三种相关性：短时相关、周期相关和长时相关。短时相关反映1-2ms内的谱包络特征，可用AR模型处理；周期相关表现为基音周期处的重复峰值，对应谐波结构；长时相关则出现在50ms以上延迟处，常见于回声等场景。通过Python仿真合成了三类信号并计算自相关函数，直观展示了不同lag区域的相关结构特征。这三种相关性分别对应不同的频域现象，需要采用针对性的处理方法（如LPC白化、基音预测等）。文章强调了区分这三种相关性在语音处理、回声消除等应用中的重要性。

2026-07-26 08:58:01 446

原创 FFT 实现快速卷积时，为什么会出现混叠？(二)如何用 Overlap-Save 解决？

本文分析了FFT实现快速卷积时产生混叠的原因，并提出Overlap-Save方法作为解决方案。混叠源于频域乘法+IFFT默认产生循环卷积，导致输出前段被污染。Overlap-Save通过让输入块重叠M-1个样本，丢弃每块循环卷积输出的前M-1个污染样本，保留后L=N-M+1个有效样本，最终拼接得到正确结果。仿真实验验证了该方法能严格恢复线性卷积，而错误保留污染段会导致周期性失真。文章比较了Overlap-Save与Overlap-Add两种方法，指出它们本质上都是将循环卷积重组为线性卷积的不同实现思路，选择

2026-07-24 09:17:10 275

原创 SoC、MCU、CPU、ARM、DSP 有什么区别？一文讲清它们的概念、关系，以及车机音频架构

摘要本文系统梳理了嵌入式系统中容易混淆的核心概念：SoC、CPU、ARM、MCU和DSP。这些术语属于不同层级：CPU/MCU/DSP描述处理器类型，ARM指架构生态，SoC则是集成系统。CPU擅长通用计算，MCU侧重控制任务，DSP专精信号处理。在车机音频架构中，CPU负责系统管理，DSP处理实时音频算法，共同构成多层级处理链路（应用→框架→HAL→DSP→硬件）。理解这些概念的关键是区分它们所在的抽象层级，明确各自的功能定位和协作关系。

2026-07-07 19:47:11 732

原创信号白化是什么？原理、作用和实现，以及对自适应滤波器的好处

本文内容包含：1. 介绍信号白化的原理及作用；2. 结合数学公式推导为什么信号白化会提升自适应滤波器的效果；3. 给出信号白化的几种实现代码（Python）；4. 结合实现代码的仿真结果图说明；5. 总结及结论。

2026-06-30 08:25:02 657

原创音频采样的原理以及怎么避免采样过程中的混叠

本文介绍了音频采样的基本原理及其关键问题。采样是将连续声音信号转化为离散数字的过程，采样率（如44.1kHz）决定了时间间隔密度。根据奈奎斯特定律，采样率需大于信号最高频率的2倍（人耳上限20kHz，故44.1kHz足够）。采样率不足会导致混叠失真，即高频信号被误判为低频。为此，采样前需进行抗混叠滤波，预先滤除超出系统处理能力的高频成分。音频系统的采样率设计以人耳感知范围为依据，在保证音质的同时避免资源浪费。

2026-06-28 22:00:40 212

原创 FFT 实现快速卷积时，为什么会出现混叠？(一)如何用 Overlap-Add 解决？

本文围绕一个可复现的 Python 仿真，把FFT快速卷积的混叠问题讲清楚：1. 为什么 FFT 实现快速卷积时会出现混叠现象，原理是什么？2. 结合仿真说明混叠现象是怎么混叠的？3. 结合仿真说明 overlap-add 方法是怎么解决这个问题的？4. 简要解释一下 OLA 和 WOLA 的区别。

2026-06-26 12:25:07 432

原创为什么语音、音频很多时候需要线性相位滤波器（附 Python 仿真）

本文探讨了线性相位滤波器在语音和音频处理中的重要性。文章从数学定义出发，解释了线性相位滤波器的核心特性：其时域冲激响应必须满足对称性或反对称性，才能保证严格的线性相位关系。通过Python仿真，展示了长度为31的线性相位FIR滤波器的时域、幅频、相频及群延迟特性，证实了其恒定群延迟（15个采样点）和线性相位响应。线性相位滤波器虽然带来固定延迟，但能避免相位失真，特别适用于对波形保真度要求高的场景，如医疗信号处理和通信系统。实际应用中需权衡滤波器阶数和系统实时性要求。

2026-06-12 08:38:55 692

qq_43197665的博客